DE102005036998B4 - Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten - Google Patents
Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten Download PDFInfo
- Publication number
- DE102005036998B4 DE102005036998B4 DE102005036998.7A DE102005036998A DE102005036998B4 DE 102005036998 B4 DE102005036998 B4 DE 102005036998B4 DE 102005036998 A DE102005036998 A DE 102005036998A DE 102005036998 B4 DE102005036998 B4 DE 102005036998B4
- Authority
- DE
- Germany
- Prior art keywords
- image data
- abnormalities
- applications
- anatomical
- determination module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 230000005856 abnormality Effects 0.000 title claims abstract description 37
- 210000003484 anatomy Anatomy 0.000 claims abstract description 32
- 238000003909 pattern recognition Methods 0.000 claims abstract description 3
- 210000004072 lung Anatomy 0.000 claims description 8
- 206010002329 Aneurysm Diseases 0.000 claims description 4
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 4
- 210000000746 body region Anatomy 0.000 claims description 4
- 230000003902 lesion Effects 0.000 claims description 4
- 208000005189 Embolism Diseases 0.000 claims description 3
- 208000001132 Osteoporosis Diseases 0.000 claims description 3
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 230000036244 malformation Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000001454 recorded image Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 210000000481 breast Anatomy 0.000 description 3
- 239000002872 contrast media Substances 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 210000002429 large intestine Anatomy 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000012567 pattern recognition method Methods 0.000 description 2
- 206010006272 Breast mass Diseases 0.000 description 1
- 241000557626 Corvus corax Species 0.000 description 1
- 101000714953 Hololena curta Mu-agatoxin-Hc1b Proteins 0.000 description 1
- 101000714952 Hololena curta Mu-agatoxin-Hc1c Proteins 0.000 description 1
- 208000000913 Kidney Calculi Diseases 0.000 description 1
- 206010027452 Metastases to bone Diseases 0.000 description 1
- 206010029148 Nephrolithiasis Diseases 0.000 description 1
- 208000010378 Pulmonary Embolism Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 208000006568 Urinary Bladder Calculi Diseases 0.000 description 1
- 208000009443 Vascular Malformations Diseases 0.000 description 1
- 206010053648 Vascular occlusion Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000007474 aortic aneurysm Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000005242 cardiac chamber Anatomy 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 201000001883 cholelithiasis Diseases 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 210000000232 gallbladder Anatomy 0.000 description 1
- 210000003361 heart septum Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000001009 osteoporotic effect Effects 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten, insbesondere CT-Bilddaten, eines Körperbereiches eines Patienten, mit: – einer Speichereinrichtung (3) für die Speicherung der Bilddaten, wobei die Bilddaten mindestens eine anatomische Zielregion umfassen, – zumindest einem Bestimmungsmodul (2), das eine Einheit (12) zur Bestimmung einer oder mehrerer anatomischer Regionen, die durch die Bilddaten erfasst sind, mittels Mustererkennung aus den Bilddaten umfasst, wobei die Bilddaten dem Bestimmungsmodul (2) über eine oder mehrere Eingangsschnittstellen zuführbar sind, – mehreren unterschiedlichen Untersuchungsmodulen (4), die jeweils zumindest eine Applikation (14–21) für die automatische Detektion bestimmter Auffälligkeiten in einer bestimmten anatomischen Region umfassen, – einer Eingabeeinheit (5), über die für die Zielregion eine der Applikationen (14–21) zur Detektion von Auffälligkeiten als Primärapplikation gestartet werden kann, – einer Steuerungseinheit (1), die auf Basis zumindest der durch das Bestimmungsmodul (2) bestimmten einen oder mehreren anatomischen Regionen weitere Applikationen (14–21) automatisch auswählt und im Hintergrund ausführt, die für die Detektion von Auffälligkeiten in der durch die Bilddaten erfassten anatomischen Region oder den durch die Bilddaten erfassten anatomischen Regionen geeignet sind, – einer Ausgabeeinheit (6), auf der das Ergebnis der Primärapplikation sowie eine Information über zusätzliche Auffälligkeiten angezeigt werden, die mit den im Hintergrund ausgeführten Applikationen (14–21) automatisch detektiert wurden.
Description
- Die vorliegende Erfindung betrifft eine Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten eines Körperbereiches eines Patienten, mit einer Speichereinrichtung für die Speicherung der Bilddaten, einer Eingabeeinheit, mit der eine Applikation zur automatischen Detektion bestimmter Auffälligkeiten in den Bilddaten gestartet werden kann, sowie einer Ausgabeeinheit, auf der das Ergebnis der Applikation angezeigt wird.
- Die medizinische Bildgebung wird bei den unterschiedlichsten diagnostischen Fragestellungen zur Unterstützung der Diagnose an einem Patienten eingesetzt. In den aufgezeichneten Bilddaten lassen sich zwar diagnostisch relevante Auffälligkeiten durch einen erfahrenen Anwender erkennen, bei noch unerfahrenen Anwendern besteht jedoch die Gefahr, dass derartige Auffälligkeiten aufgrund einer nicht immer optimalen Bildqualität übersehen werden. Zur Verminderung dieser Problematik sind Vorrichtungen bekannt, mit denen eine automatische Detektion von Auffälligkeiten in den aufgezeichneten Bilddaten erfolgen kann. Diese Vorrichtungen umfassen in der Regel eine Datenverarbeitungsstation mit einem Speicher für die Bilddaten, auf der vom Anwender eine CAD-Applikation (CAD: Computer Aided Detection) gestartet werden kann. So sind beispielsweise Applikationen für die automatische Detektion von Läsionen in den anatomischen Regionen Brust, Lunge und Dickdarm bekannt. Weitere bekannte Anwendungen betreffen die Leber, die Knochen und das Gehirn.
- Nach dem Vorliegen der auszuwertenden Bilddaten wird die entsprechende Applikation oder entweder automatisch oder durch eine Eingabe des Anwenders gestartet. Für die unterschiedlichen diagnostischen Fragestellungen stehen unterschiedliche Untersuchungsmodule mit den unterschiedlichen Applikationen zur Verfügung, beispielsweise in der Lungendiagnostik eine Applikation für die automatische Detektion von Lungenknoten oder in der Mammadiagnostik eine Applikation für die automatische Detektion von Mammaknoten. Andere anatomische Regionen, die bei der diagnostischen Bildgebung mit aufgenommen wurden, oder andere diagnostische Fragestellungen werden bei der automatischen Detektion nicht berücksichtigt.
- Eine derartige Vorgehensweise beschreibt beispielsweise die
WO 2004/029851 A1 - In der
US 5,235,510 A ist ein Rechner-gestütztes Diagnosesystem beschrieben, bei dem ebenfalls Applikationen zur automatischen Detektion von Auffälligkeiten in bestimmten anatomischen Regionen gestartet werden können. Auf Basis von Attributdaten, die den jeweiligen Bilddaten zugeordnet sind, wird jeweils die für die Bilddaten am besten geeignete Primärapplikation ausgewählt. Hierbei wird in der Regel eine Applikation ausgewählt und auf die Bilddaten angewendet. Bei Vorliegen mehrerer Applikationen für die Bestimmung der Auffälligkeiten wird automatisch die korrekte Applikation ausgewählt, so dass die Ausgabe fehlerhafter CAD-Daten verhindert und somit die Diagnosequalität verbessert wird. Die Druckschrift führt auch an, mehrere geeignete Applikationen hintereinander auf die Bilddaten anzuwenden, falls derartige Applikationen erkannt werden. Die automatische Auswahl einer geeigneten Applikation erfolgt dabei immer auf Basis der den Bilddaten zugeordneten Attribute. - Die Aufgabe der vorliegenden Erfindung besteht darin, eine weitere Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten bereitzustellen, die die Wahrscheinlichkeit von nicht erkannten Auffälligkeiten in den medizinischen Bilddaten weiter verringert.
- Die Aufgabe wird mit der Vorrichtung gemäß Patentanspruch 1 gelöst. Vorteilhafte Ausgestaltungen der Vorrichtung sind Gegenstand der Unteransprüche oder lassen sich der nachfolgenden Beschreibung sowie dem Ausführungsbeispiel entnehmen.
- Die vorliegende Vorrichtung zur automatischen Detektion in medizinischen Bilddaten eines Körperbereiches eines Patienten umfasst in bekannter Weise eine Speichereinrichtung für die Speicherung der Bilddaten, eine Eingabeeinheit zum Start einer Primärapplikation zur Detektion bestimmter Auffälligkeiten in der anatomischen Zielregion, die der ursächlichen diagnostischen Fragestellung entsprechen, sowie einer Ausgabeeinheit auf der dem Anwender das Ergebnis der Primärapplikation angezeigt wird. Die für die diagnostische Fragestellung relevante anatomische Region, in der vorliegenden Anmeldung auch als Zielregion bezeichnet, muss dabei selbstverständlich von den Bilddaten umfasst sein. Die Primärapplikation ist speziell zur Detektion von der diagnostischen Fragestellung entsprechenden Auffälligkeiten in der Zielregion ausgebildet. Alternativ kann über die Eingabeeinheit durch den Anwender auch eine diagnostische Fragestellung gewählt werden, auf deren Basis dann automatisch eine geeignete Primärapplikation gestartet wird.
- Die Vorrichtung umfasst weiterhin mehrere Untersuchungsmodule, die jeweils zumindest eine Applikation für die automatische Detektion bestimmter Auffälligkeiten in einer bestimmten anatomischen Region umfassen. Die Vorrichtung zeichnet sich vor allem dadurch aus, dass zumindest ein Bestimmungsmodul, dem die Bilddaten über eine oder mehrere Eingangsschnittstellen zuführbar sind, zur Bestimmung eines oder mehrerer anatomischer Regionen, die durch die Bilddaten erfasst sind, und eine Steuerungseinheit vorhanden sind, die auf Basis zumindest der durch das Bestimmungsmodul bestimmten anatomischen Regionen weitere Applikationen automatisch auswählt und im Hintergrund ausführt, die für die Detektion von Auffälligkeiten in der durch die Bilddaten erfassten anatomischen Region oder den durch die Bilddaten erfassten anatomischen Regionen geeignet sind. Die Bestimmung der einen oder mehreren anatomischen Regionen durch das Bestimmungsmodul erfolgt über eine automatische Auswertung der Bilddaten mittels Mustererkennung, wobei vorzugsweise zusätzliche Daten berücksichtigt werden, die dem Bestimmungsmodul über die eine oder mehreren Eingangsschnittstellen zugeführt werden. Die Information über zusätzliche Auffälligkeiten, die mit den im Hintergrund ausgeführten Applikationen automatisch detektiert wurden, wird dann ebenfalls auf der Ausgabeeinheit angezeigt.
- Mit der vorliegenden Vorrichtung werden somit unabhängig von der durch den Anwender vorgegebenen diagnostischen Fragestellung sämtliche in der Vorrichtung verfügbaren Applikationen zur automatischen Detektion von Auffälligkeiten gestartet und ausgeführt, die auf die abgespeicherten Bilddaten anwendbar sind. So kann beispielsweise bei einer Untersuchung des Dickdarms in den Bilddaten ebenfalls das Abdomen automatisch auf Auffälligkeiten und somit eventuelle weitere Befunde überprüft werden. Der Anwender wählt weiterhin in gewohnter Weise die primäre diagnostische Fragestellung aus oder startet die zugehörige Primärapplikation. Die von der Steuerungseinheit ausgewählten weiteren Applikationen laufen, in der Regel vom Anwender unbemerkt, im Hintergrund ab. Lediglich bei Detektion einer Auffälligkeit in den Bilddaten durch diese weiteren Applikationen wird dem Anwender ein Hinweis auf einen möglichen positiven Befund mitgeteilt. Er kann dann auf dem vorliegenden Bilddatensatz weitere Untersuchungen starten oder ggf. eine weitere Messung mit demselben oder einem anderen bildgebenden Verfahren veranlassen.
- Für die automatische Auswahl weiterer Applikationen durch die Steuerungseinheit ist die Kenntnis darüber erforderlich, welche anatomischen Regionen mit den Bilddaten erfasst wurden. Die Bestimmung dieser anatomischen Regionen erfolgt durch das Bestimmungsmodul. Bei dieser Bestimmung über eine automatische Auswertung der Bilddaten können zusätzliche Informationen berücksichtigt werden, die dem Bestimmungsmodul über ein oder mehrere entsprechende Eingabeschnittstellen zugeführt werden. Hierbei kann es sich um Parametereingaben des Anwenders oder auch um andere Information, beispielsweise um Bilddaten anderer bildgebender Verfahren handeln, aus denen die anatomischen Bereiche bestimmt werden können.
- Mit der vorliegenden Vorrichtung erfolgt somit eine automatische Detektion von Auffälligkeiten aufgrund der durch die eingesetzte medizinische Bildgebung erfassten anatomischen Region unabhängig von der eingesetzten primären diagnostischen Fragestellung. Bei den Auffälligkeiten kann es sich beispielsweise um Läsionen, Stenosen, Aneurysmen, Embolien, Lungenparenchymerkrankungen, Osteoporose oder anatomische Veränderungen handeln. Durch den Einsatz der Vorrichtung wird die Gefahr unerkannter Auffälligkeiten in den zur Verfügung stehenden medizinischen Bilddaten für den Anwender verringert, der in der Regel das Hauptaugenmerk auf die mit der diagnostischen Fragestellung zusammenhängenden Auffälligkeiten richtet. Die aufgezeichneten Bilddaten, die häufig auch außerhalb der diagnostischen Fragestellung liegende anatomische Bereiche umfassen, können damit optimal in ihrem Informationsgehalt genutzt werden. Der Anwender erhält automatisch einen Hinweis auf evtl. auffällige Befunde außerhalb der diagnostischen Fragestellung. Das Gleiche gilt selbstverständlich auch für die Detektion anderer als der mit der diagnostischen Fragestellung in Zusammenhang stehenden Auffälligkeiten in der anatomischen Zielregion.
- Die weiteren Applikationen müssen nicht zeitgleich mit der Primärapplikation ablaufen. Dies gilt insbesondere dann, wenn der Anwender die Primärapplikation erst zu einem späteren Zeitpunkt startet. In diesem Fall können die weiteren Applikationen durch die Steuereinheit bereits nach Erhalt der Bilddaten gestartet und ausgeführt werden, so dass dem Anwender beim Start der Primärapplikation bereits mögliche Befunde aus den weiteren Applikationen angezeigt werden können. Von den weiteren Applikationen können mehrere oder alle zeitgleich, d. h. parallel, oder auch nacheinander ausgeführt werden. Hier sind abhängig von den Applikationen beliebige Kombinationen möglich. Selbstverständlich ist es vorteilhaft, möglichst viele Untersuchungsmodule und somit möglichst viele unterschiedliche Applikationen für die automatische Detektion unterschiedlicher Auffälligkeiten und/oder für die automatische Detektion von Auffälligkeiten in unterschiedlichen anatomischen Regionen in der Vorrichtung zur Verfügung zu haben. Je höher die Anzahl der Untersuchungsmodule ist, desto besser werden die aufgezeichneten Bilddaten auf mögliche Auffälligkeiten hin ausgewertet. Hierbei sind insbesondere Applikationen für die automatische Detektion von Auffälligkeiten in den anatomischen Regionen Brust, Lunge, Dickdarm, Leber, in den Knochen und im Gehirn von Vorteil. Weiterhin sollten Applikationen für die automatische Detektion in Gefäßen, beispielsweise die Auffindung von Verschlüssen, Aneurysmen und Gefäßmissbildungen vorhanden sein. Dies trifft auch für Nieren-, Gallen- und Blasensteine zu. Beispiele für geeignete Applikationen bzw. Algorithmen, auf die der Fachmann ohne weiteres Zugriff hat, finden sich beispielsweise in Willi A. Kalender, Computertomographie, Publicis MCD Werbeagentur, München, 2000, ISBN 3-89578-082-0; in Elliot K. Fishman, R. Brooke Jeffrey, Spiral CT, Raven Press New York, 1995; in R. Felix, M. Langer, Advances in CT II, Springer, Berlin, 1992, ISBN 3-540-55402-5; in H. Pokieser, G. Lechner, Advances in CT III, Springer, Berlin, 1994, ISBN 3-540-58198-7; oder in G. P. Krestin, G. M. Glazer, Advances in CT IV, Springer, Berlin, 1998, ISBN 3-540-64348-6.
- Die vorliegende Vorrichtung wird nachfolgend anhand eines Ausführungsbeispiels in Verbindung mit der Zeichnung nochmals beispielhaft beschrieben. Die Figur zeigt hierbei ein Beispiel für eine derartige Vorrichtung mit einer Steuereinheit
1 , ein oder mehreren Bestimmungsmodulen2 , einer Speichereinheit3 für die Speicherung der Bilddaten, mehreren Untersuchungsmodulen4 , einer Eingabeeinheit5 für den Anwender sowie einem Monitor6 als Ausgabeeinheit. Von den Untersuchungsmodulen4 sind im vorliegenden Beispiel ein Untersuchungsmodul mit ein oder mehreren Applikationen zur Detektion von Läsionen14 , ein Untersuchungsmodul mit ein oder mehreren Applikationen zur Detektion von Embolien15 , ein Untersuchungsmodul mit ein oder mehreren Applikationen zur Detektion von Stenosen16 , ein Untersuchungsmodul mit ein oder mehreren Applikationen zur Detektion einer Lungenparenchymerkrankung17 , ein Untersuchungsmodul mit ein oder mehreren Applikationen zur Detektion von Osteoporose18 , ein Untersuchungsmodul mit ein oder mehreren Applikationen zur Detektion von Aneurysmen19 sowie ein Untersuchungsmodul mit ein oder mehreren Applikationen zur Detektion von anatomischen Fehlbildungen20 zu erkennen. Mit dem Bezugszeichen21 sind weitere Untersuchungsmodule mit weiteren Applikationen, ggf. auf unterschiedliche Körperregionen oder Organe spezialisierte Module, angedeutet. - Nach der Aufzeichnung der medizinischen Bilddaten, beispielsweise von CT-Bilddaten mit einem Computertomographen, werden die Bilddaten in der Speichereinheit
3 der Vorrichtung abgespeichert. In einem ersten Schritt wird anschließend durch das eine Bestimmungsmodul oder durch die mehreren Bestimmungsmodule2 die anatomische Region bzw. die anatomischen Regionen bestimmt, die von den abgespeicherten Bilddaten erfasst sind. Hierzu können zusätzlich zu Mustererkennungsverfahren12 beispielsweise Parametereingaben des Anwenders10 , ein mit dem Computertomographen erstelltes Topogramm11 oder die Informationen anderer bildgebender Verfahren, wie z. B. einer Fernsehkamera8 , die die von den Bilddaten erfasste anatomische Region zeigt, oder eines Navigationssystems9 im Bestimmungsmodul2 verwendet werden. Mustererkennungsverfahren können die notwendigen Informationen aus den abgespeicherten Bilddaten3 selbst extrahieren. Bezugszeichen13 deutet an, dass die Bestimmung der anatomischen Regionen auch auf Basis weiterer Informationen erfolgen kann, die dem Bestimmungsmodul2 zugeführt werden. - Abhängig von der durch das Bestimmungsmodul aufgefundenen anatomischen Region(en) werden über die Steuerungseinheit
1 die geeigneten Applikationen bzw. Algorithmen ausgewählt. Für diese Auswahl können zusätzlich, insbesondere im Falle der Computertomographie, Scanparameter7 herangezogen werden. Hierbei kann es sich um Parameter handeln, die angeben, ob die Bilddaten mit Kontrastmittel oder ohne Kontrastmittel aufgezeichnet wurden, oder ob beispielsweise die angewendete Dosis eine sinnvolle Auswertung zur Detektion bestimmter Auffälligkeiten überhaupt zulässt. Weiterhin können Scanparameter auch die Applikationen bzw. Algorithmen selbst beeinflussen, so dass die Scanparameter den ausgewählten Applikationen durch die Steuereinheit zur Verfügung gestellt werden. - Hierbei können, wie das folgende Beispiel zeigt, durchaus unterschiedliche Applikationen bzw. Algorithmen auf die aufgezeichneten Bilddaten nacheinander angewendet werden. Bei Bilddaten aus einem CT mit Kontrastmittel von Brustbereich und Oberbauch ergeben sich folgende Anwendungen: Suche von Lungenknoten, Suche von Knoten der Bauchorgane (Leber, Niere, Bauchspeicheldrüse), Suche von Knochenmetastasen an Wirbelsäule und Rücken, Suche von Aortenaneurysmen, Suche von Stenosen der Herzkranzgefäße, Suche von Veränderungen des Lungenparenchyms, Suche nach Lungenembolien und nach osteoporotischen Veränderungen der Wirbelsäule. Darüber hinaus sind beispielsweise auch Vermessungen der Herzscheidewand sowie der Herzkammern denkbar. Diese Verfahren arbeiten im Hintergrund, d. h. parallel zu der Primärapplikation, in diesem Beispiel die Suche von Lungenknoten. Bei einem möglichen positiven Befund wird der Anwender über die Ausgabeeinheit
6 informiert, so dass er entsprechend weitere Maßnahmen einleiten kann.
Claims (4)
- Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten, insbesondere CT-Bilddaten, eines Körperbereiches eines Patienten, mit: – einer Speichereinrichtung (
3 ) für die Speicherung der Bilddaten, wobei die Bilddaten mindestens eine anatomische Zielregion umfassen, – zumindest einem Bestimmungsmodul (2 ), das eine Einheit (12 ) zur Bestimmung einer oder mehrerer anatomischer Regionen, die durch die Bilddaten erfasst sind, mittels Mustererkennung aus den Bilddaten umfasst, wobei die Bilddaten dem Bestimmungsmodul (2 ) über eine oder mehrere Eingangsschnittstellen zuführbar sind, – mehreren unterschiedlichen Untersuchungsmodulen (4 ), die jeweils zumindest eine Applikation (14 –21 ) für die automatische Detektion bestimmter Auffälligkeiten in einer bestimmten anatomischen Region umfassen, – einer Eingabeeinheit (5 ), über die für die Zielregion eine der Applikationen (14 –21 ) zur Detektion von Auffälligkeiten als Primärapplikation gestartet werden kann, – einer Steuerungseinheit (1 ), die auf Basis zumindest der durch das Bestimmungsmodul (2 ) bestimmten einen oder mehreren anatomischen Regionen weitere Applikationen (14 –21 ) automatisch auswählt und im Hintergrund ausführt, die für die Detektion von Auffälligkeiten in der durch die Bilddaten erfassten anatomischen Region oder den durch die Bilddaten erfassten anatomischen Regionen geeignet sind, – einer Ausgabeeinheit (6 ), auf der das Ergebnis der Primärapplikation sowie eine Information über zusätzliche Auffälligkeiten angezeigt werden, die mit den im Hintergrund ausgeführten Applikationen (14 –21 ) automatisch detektiert wurden. - Vorrichtung nach Anspruch 1, dadurch gekennzeichnet, dass das zumindest eine Bestimmungsmodul (
2 ) weitere Einheiten (8 –11 ,13 ) zur Bestimmung der einen oder mehreren anatomischen Regionen aus Zusatzbilddaten umfasst, die dem Bestimmungsmodul (2 ) über die eine oder mehreren Eingangsschnittstellen zuführbar sind. - Vorrichtung nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Steuerungseinheit (
1 ) so ausgebildet ist, dass sie Zusatzinformation über die Bilddaten, insbesondere Aufnahmeparameter (7 ), bei der Auswahl der Applikationen berücksichtigt. - Vorrichtung nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass die Untersuchungsmodule (
4 ) zumindest Applikationen (14 –20 ) für die automatische Detektion von Läsionen und/oder Embolien und/oder Stenosen und/oder Lungenparenchymerkrankungen und/oder Osteoporose und/oder Aneurysmen und/oder anatomischen Fehlbildungen aufweisen.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102005036998.7A DE102005036998B4 (de) | 2005-08-05 | 2005-08-05 | Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten |
JP2006209462A JP4901358B2 (ja) | 2005-08-05 | 2006-08-01 | 医用画像データにおける注目点の自動検出装置 |
US11/498,799 US7933436B2 (en) | 2005-08-05 | 2006-08-04 | Apparatus for automatically detecting salient features in medical image data |
CN200610146374XA CN1935089B (zh) | 2005-08-05 | 2006-08-04 | 用于自动检测医学图像数据中异常的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102005036998.7A DE102005036998B4 (de) | 2005-08-05 | 2005-08-05 | Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102005036998A1 DE102005036998A1 (de) | 2007-02-08 |
DE102005036998B4 true DE102005036998B4 (de) | 2014-11-20 |
Family
ID=37670031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102005036998.7A Active DE102005036998B4 (de) | 2005-08-05 | 2005-08-05 | Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten |
Country Status (4)
Country | Link |
---|---|
US (1) | US7933436B2 (de) |
JP (1) | JP4901358B2 (de) |
CN (1) | CN1935089B (de) |
DE (1) | DE102005036998B4 (de) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5196751B2 (ja) | 2006-09-13 | 2013-05-15 | 株式会社東芝 | コンピュータ支援診断装置 |
JP5725797B2 (ja) * | 2010-10-29 | 2015-05-27 | 株式会社東芝 | 医用画像処理装置 |
JP5856745B2 (ja) * | 2011-03-15 | 2016-02-10 | オリンパス株式会社 | 手術システム及びその制御方法 |
CN103493103A (zh) * | 2011-04-08 | 2014-01-01 | 皇家飞利浦有限公司 | 图像处理系统和方法 |
CN103892855A (zh) * | 2012-12-28 | 2014-07-02 | 上海联影医疗科技有限公司 | 数字医疗图像处理方法和装置 |
US9704059B2 (en) | 2014-02-12 | 2017-07-11 | International Business Machines Corporation | Anomaly detection in medical imagery |
US8917925B1 (en) | 2014-03-28 | 2014-12-23 | Heartflow, Inc. | Systems and methods for data and model-driven image reconstruction and enhancement |
CN104771186B (zh) * | 2015-03-18 | 2019-02-01 | 沈阳航空航天大学 | 一种用于硬膜下血肿体积计算的应用系统 |
US10438088B2 (en) * | 2016-12-08 | 2019-10-08 | Intel Corporation | Visual-saliency driven scene description |
EP3637303B1 (de) | 2018-10-09 | 2024-02-14 | Naver Corporation | Verfahren zur erzeugung einer basis von trainingsbildern zum training eines cnn und zur detektion einer poi-veränderung in einem paar von eingegebenen poi-nachrichten unter verwendung von besagtem cnn |
WO2020206911A1 (zh) * | 2019-04-11 | 2020-10-15 | 平安科技(深圳)有限公司 | 一种疾病分析模型的调度方法、装置及终端设备 |
US11798677B2 (en) * | 2019-12-31 | 2023-10-24 | GE Precision Healthcare LLC | Method and system for providing a guided workflow through a series of ultrasound image acquisitions with reference images updated based on a determined anatomical position |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5235510A (en) * | 1990-11-22 | 1993-08-10 | Kabushiki Kaisha Toshiba | Computer-aided diagnosis system for medical use |
WO2004029851A1 (en) * | 2002-09-24 | 2004-04-08 | Eastman Kodak Company | Method and system for computer aided detection (cad) cued reading of medical images |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020097902A1 (en) * | 1993-09-29 | 2002-07-25 | Roehrig Jimmy R. | Method and system for the display of regions of interest in medical images |
US5660176A (en) * | 1993-12-29 | 1997-08-26 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system |
US6169817B1 (en) * | 1998-11-04 | 2001-01-02 | University Of Rochester | System and method for 4D reconstruction and visualization |
US6171246B1 (en) * | 1999-04-29 | 2001-01-09 | Michalakis Averkiou | Realtime ultrasonic imaging of perfusion using ultrasonic contrast agents |
US7526112B2 (en) * | 2001-04-30 | 2009-04-28 | Chase Medical, L.P. | System and method for facilitating cardiac intervention |
US7327862B2 (en) * | 2001-04-30 | 2008-02-05 | Chase Medical, L.P. | System and method for facilitating cardiac intervention |
JP2002360521A (ja) * | 2001-06-07 | 2002-12-17 | Hitachi Medical Corp | 画像処理装置 |
DE10141186A1 (de) * | 2001-08-22 | 2003-03-20 | Siemens Ag | Einrichtung zum Bearbeiten von Bildern, insbesondere medizinischen Bildern |
DE50102342D1 (de) * | 2001-10-24 | 2004-06-24 | Brainlab Ag | Navigierte Mikrosonde |
ITBO20010763A1 (it) * | 2001-12-14 | 2003-06-16 | Renato Campanini | Metodo , e relativa apparecchiatura , per la ricerca automatica di zone di interesse in immagini digitali di tessuto biologico |
US7095890B2 (en) * | 2002-02-01 | 2006-08-22 | Siemens Corporate Research, Inc. | Integration of visual information, anatomic constraints and prior shape knowledge for medical segmentations |
AU2003224346A1 (en) * | 2002-04-26 | 2003-11-10 | Koninklijke Philips Electronics N.V. | Method, computer program and system of visualizing image data |
US20040022425A1 (en) * | 2002-07-31 | 2004-02-05 | Ge Medical Systems Global Technology Company Llc | Temporal image comparison method |
JP4346297B2 (ja) * | 2002-10-22 | 2009-10-21 | 株式会社東芝 | X線コンピュータ断層撮影装置、画像処理装置及び画像処理方法 |
US6628743B1 (en) * | 2002-11-26 | 2003-09-30 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for acquiring and analyzing cardiac data from a patient |
US7490085B2 (en) * | 2002-12-18 | 2009-02-10 | Ge Medical Systems Global Technology Company, Llc | Computer-assisted data processing system and method incorporating automated learning |
EP1602056A2 (de) * | 2003-03-11 | 2005-12-07 | Siemens Medical Solutions USA, Inc. | Rechnerunterstützte erkennungssysteme und verfahren zum sicherstellen der manuellen überprüfung von rechnermarkierungen in medizinischen bildern |
JP4184842B2 (ja) * | 2003-03-19 | 2008-11-19 | 富士フイルム株式会社 | 画像判別装置、方法およびプログラム |
US6896657B2 (en) * | 2003-05-23 | 2005-05-24 | Scimed Life Systems, Inc. | Method and system for registering ultrasound image in three-dimensional coordinate system |
US7369638B2 (en) * | 2003-07-11 | 2008-05-06 | Siemens Medical Solutions Usa, Inc. | System and method for detecting a protrusion in a medical image |
US7668358B2 (en) * | 2003-07-18 | 2010-02-23 | Hologic, Inc. | Model-based grayscale registration of medical images |
US7545965B2 (en) * | 2003-11-10 | 2009-06-09 | The University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
US7346203B2 (en) * | 2003-11-19 | 2008-03-18 | General Electric Company | Methods and apparatus for processing image data to aid in detecting disease |
US20050152589A1 (en) * | 2003-11-24 | 2005-07-14 | Vucomp, Inc. | CAD medical imaging system, components, and method of operation |
US7492931B2 (en) * | 2003-11-26 | 2009-02-17 | Ge Medical Systems Global Technology Company, Llc | Image temporal change detection and display method and apparatus |
US8442280B2 (en) * | 2004-01-21 | 2013-05-14 | Edda Technology, Inc. | Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading |
US7403811B2 (en) * | 2004-03-01 | 2008-07-22 | Scimed Life Systems, Inc. | Method of catheter tracking using image information |
US7310651B2 (en) * | 2004-08-18 | 2007-12-18 | Ashok Dave | Medical media file management system and method |
US7756358B2 (en) * | 2004-11-30 | 2010-07-13 | Hewlett-Packard Development Company, L.P. | System and method of aligning images |
US7720520B2 (en) * | 2004-12-01 | 2010-05-18 | Boston Scientific Scimed, Inc. | Method and system for registering an image with a navigation reference catheter |
US7672493B2 (en) * | 2005-01-31 | 2010-03-02 | Siemens Medical Solutions Usa, Inc. | Method for analyzing medical image data using level set |
US7764816B2 (en) * | 2005-02-01 | 2010-07-27 | Siemens Medical Solutions Usa, Inc. | Method for analyzing medical image data |
DE602005002925T2 (de) * | 2005-02-23 | 2008-07-24 | Saab Ab | Entfaltbarer Radarreflektor |
US7599542B2 (en) * | 2005-04-08 | 2009-10-06 | John Philip Brockway | System and method for detection and display of diseases and abnormalities using confidence imaging |
US7620227B2 (en) * | 2005-12-29 | 2009-11-17 | General Electric Co. | Computer-aided detection system utilizing temporal analysis as a precursor to spatial analysis |
DE102006008509A1 (de) * | 2006-02-23 | 2007-08-02 | Siemens Ag | Verfahren und Vorrichtung zur verbesserten automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten |
US7903857B2 (en) * | 2006-04-17 | 2011-03-08 | Siemens Medical Solutions Usa, Inc. | Robust click-point linking with geometric configuration context: interactive localized registration approach |
-
2005
- 2005-08-05 DE DE102005036998.7A patent/DE102005036998B4/de active Active
-
2006
- 2006-08-01 JP JP2006209462A patent/JP4901358B2/ja not_active Expired - Fee Related
- 2006-08-04 US US11/498,799 patent/US7933436B2/en active Active
- 2006-08-04 CN CN200610146374XA patent/CN1935089B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5235510A (en) * | 1990-11-22 | 1993-08-10 | Kabushiki Kaisha Toshiba | Computer-aided diagnosis system for medical use |
WO2004029851A1 (en) * | 2002-09-24 | 2004-04-08 | Eastman Kodak Company | Method and system for computer aided detection (cad) cued reading of medical images |
Also Published As
Publication number | Publication date |
---|---|
CN1935089A (zh) | 2007-03-28 |
DE102005036998A1 (de) | 2007-02-08 |
JP2007044508A (ja) | 2007-02-22 |
CN1935089B (zh) | 2011-08-31 |
US20070031016A1 (en) | 2007-02-08 |
US7933436B2 (en) | 2011-04-26 |
JP4901358B2 (ja) | 2012-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102005036998B4 (de) | Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten | |
DE102015221998B4 (de) | Verfahren zur Unterstützung eines Befunders bei der Ortsbeschreibung einer Zielstruktur in einer Brust, Vorrichtung und Computerprogramm | |
DE102009053471B4 (de) | Verfahren und Vorrichtung zur Identifizierung und Zuordnung von Koronarkalk zu einem Herzkranzgefäß sowie Computerprogrammprodukt | |
DE102007056256B4 (de) | Gerät zur Generierung einer Risikometrik bei weicher Plaque in Gefäßen und maschinenlesbares Medium hierfür | |
DE102005030646B4 (de) | Verfahren zur Kontur-Visualisierung von zumindest einer interessierenden Region in 2D-Durchleuchtungsbildern | |
DE602005003015T2 (de) | Verfahren und Vorrichtung für Rekonstruktion der zweidimensionalen Schnittbilder | |
DE112005001755T5 (de) | System und Verfahren zur Baummodell-Visualisierung zur Erkennung von Lungenembolie | |
DE102005038326A1 (de) | Verfahren und Vorrichtung zur Planung medizinischer Eingriffsprozeduren und zur Lokalisierung und Navigation eines Eingriffswerkzeugs | |
DE112005001741T5 (de) | System und Verfahren zur Baumprojektion zur Erkennung von Lungenembolie | |
DE102004056783A1 (de) | Verfahren und Vorrichtung zum Segmentieren von Strukturen in einer CT-Angiographie | |
DE102005026220A1 (de) | Verfahren zur Aufnahme, Analyse und Darstellung eines medizinischen Bilddatensatzes | |
DE102006012015A1 (de) | Verfahren und Systeme zur Überwachung einer Tumorbelastung | |
DE602004009653T2 (de) | Vorrichtung, Verfahren, Programm und maschinenlesbares Speichermedium zur Strahlungsbildverarbeitung | |
DE102016219887A1 (de) | Verfahren und System zur Nutzung von Messdaten | |
DE102010019421A1 (de) | Bildgebendes Verfahren zur Darstellung von Ergebnissen intravaskulärer Bildgebung und CFD-Ergebnissen sowie Medizinsystem zur Durchführung des Verfahrens | |
DE102006008509A1 (de) | Verfahren und Vorrichtung zur verbesserten automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten | |
DE102006058941A1 (de) | Verfahren und Vorrichtung zum Auswählen computergestützter Algorithmen, basierend auf dem Protokoll und/oder Parametern eines Akquisitionssystems | |
DE102022112136A1 (de) | Medizinisches bildanalysegerät, verfahren und medizinisches bild, visualisierungsgerät und verfahren | |
DE10338145B4 (de) | Verfahren zur Darstellung von 3D Bilddaten | |
DE102009032257B4 (de) | Verfahren und Vorrichtung zur automatisierten Ermittlung der Mittellinie zumindest eines Teilstücks einer tubulären Gewebestruktur | |
DE102020216306A1 (de) | Computerimplementiertes Verfahren zum Betrieb einer medizinischen Bildgebungseinrichtung, Bildgebungseinrichtung, Computerprogramm und elektronisch lesbarer Datenträger | |
DE102006059383A1 (de) | Verfahren und Bildbearbeitungssystem zur Erzeugung von Ergebnisbildern eines Untersuchungsobjekts | |
DE102006032990A1 (de) | Verfahren und Vorrichtung zur Bestimmung des räumlichen Verlaufs einer Gefäßachse in Volumendatensätzen der medizinischen Bildgebung | |
DE102013210252A1 (de) | Automatische Generierung eines Auswahl-Bilddatensatzes | |
DE102006048834A1 (de) | Bildliche Darstellung dreidimensionaler Datensätze |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8120 | Willingness to grant licences paragraph 23 | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final | ||
R081 | Change of applicant/patentee |
Owner name: SIEMENS HEALTHCARE GMBH, DE Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE |
|
R081 | Change of applicant/patentee |
Owner name: SIEMENS HEALTHINEERS AG, DE Free format text: FORMER OWNER: SIEMENS HEALTHCARE GMBH, MUENCHEN, DE |